太陽能海水淡化問題的區(qū)間支持向量機(jī)模型及優(yōu)化設(shè)計(jì)的制作方法
【技術(shù)領(lǐng)域】
[0001] 本專利屬于海水淡化領(lǐng)域，具體涉及一種關(guān)于海水淡化產(chǎn)水率和成本的兩目標(biāo)支 持向量機(jī)回歸分析與區(qū)間多目標(biāo)進(jìn)化優(yōu)化的內(nèi)容，可用于解決具有區(qū)間不確定性的數(shù)據(jù)回 歸于區(qū)間多目標(biāo)優(yōu)化問題。
【背景技術(shù)】
[0002] 隨著人口的增長(zhǎng)和經(jīng)濟(jì)發(fā)展，淡水和常規(guī)能源出現(xiàn)短缺，對(duì)于提高太陽能海水淡 化率、降低淡水成本的研究，越來越引起國(guó)內(nèi)外學(xué)者的關(guān)注。對(duì)于太陽能海水淡化問題的優(yōu) 化，首先要建立淡水產(chǎn)水率、產(chǎn)水成本與熱空氣溫度等輸入變量的回歸模型。目前，已有的 回歸方式有多項(xiàng)式回歸、徑向基函數(shù)、神經(jīng)網(wǎng)絡(luò)，以及支持向量機(jī)等。在論文"中空纖維空 氣隙式膜蒸餾海水淡化過程的性能模擬與優(yōu)化"中，利用響應(yīng)曲面法，模擬標(biāo)準(zhǔn)海水對(duì)中空 纖維空氣隙式膜蒸餾海水淡化過程的影響因子，并對(duì)膜通量指標(biāo)進(jìn)行了優(yōu)化，通過面向中 心復(fù)合設(shè)計(jì)法實(shí)現(xiàn)了基于熱料液進(jìn)水溫度、冷凝液進(jìn)水溫度和料液流量的實(shí)驗(yàn)優(yōu)化設(shè)計(jì)， 并建立了響應(yīng)值與影響因子之間的二次多項(xiàng)式回歸模型；在論文"Modeling and genetic algorithm-based multi-objective optimization of the MED-TVC desalination system"中，針對(duì)多效蒸餾熱壓縮海水淡化系統(tǒng)，采用響應(yīng)面和最小二乘法，構(gòu)建全年總費(fèi) 用、增益輸入比，以及淡水流量的代理模型，并應(yīng)用遺傳算法，優(yōu)化上述三個(gè)目標(biāo)。在論文 "Various approaches in optimization of multieffects distillation desalination systems using a hybrid meta-heuristic optimization tool'，中，針對(duì)基于熱蒸汽壓縮 機(jī)的多級(jí)蒸餾海水淡化系統(tǒng)，分別采用能量、火用分析和總收入，建立該系統(tǒng)的熱力學(xué)和經(jīng) 濟(jì)學(xué)模型，并利用由遺傳算法和模擬退火形成的混合算法，優(yōu)化上述模型。
[0003] 優(yōu)化海水淡化系統(tǒng)的有效途徑是提高能源的利用效率、降低淡化成本，針對(duì)海水 淡化中不同的目標(biāo)，也會(huì)有不同的優(yōu)化模型。在論文"反滲透海水淡化系統(tǒng)的優(yōu)化設(shè)計(jì)" 中，對(duì)反滲透海水淡化過程的設(shè)計(jì)進(jìn)行了研究。首先針對(duì)過程的每個(gè)單元，給出了單元操 作模型和相關(guān)的經(jīng)濟(jì)模型；然后，通過一定的變量將這些模型相互關(guān)聯(lián)，并組成系統(tǒng)模型； 最后，以年費(fèi)用最小為目標(biāo)函數(shù)、過程熱力學(xué)、設(shè)備選型、設(shè)計(jì)要求等為約束，優(yōu)化反滲透海 水淡化系統(tǒng)；在論文"新型太陽能海水淡化裝置工作原理及性能優(yōu)化"中，為了提高裝置的 性能，以單位淡水產(chǎn)量所消耗的功耗最小為目標(biāo)函數(shù)，建立了裝置性能參數(shù)優(yōu)化的數(shù)學(xué)模 型，得到了最優(yōu)的蒸發(fā)溫度裝置功耗隨蒸發(fā)溫度的變化規(guī)律。在論文"Multi-objective optimization of a membrane distillation system for desalination of sea water'， 中，Sharma和Rangaiah通過最大化產(chǎn)水率和最小化能源消耗，優(yōu)化膜蒸餾海水淡化系統(tǒng)。 在論文"Multi-objective design of reverse osmosis plants intergrated with solar rankine cycles and thermal energy storage"中，通過考慮給定供水需求條件下的成本 和環(huán)境影響，建立集成系統(tǒng)的多目標(biāo)混合整數(shù)非線性規(guī)劃模型，并采用ε約束法，求解上 述模型。
[0004] 同時(shí)，在專利CN102163249A中，提出了利用交互式進(jìn)化優(yōu)化方法用于解決窗簾設(shè) 計(jì)的GUI平臺(tái)設(shè)計(jì)，在人機(jī)交互過程中，為用戶提供多種個(gè)體評(píng)價(jià)、精確值評(píng)價(jià)和自動(dòng)評(píng) 價(jià)，在進(jìn)化過程中，支持在不同進(jìn)化代之間使用不同的編碼方式和相應(yīng)的進(jìn)化算法，方便用 戶在不同的區(qū)域內(nèi)搜索窗簾方案。
[0005] 上述技術(shù)成果為海水淡化問題模型的建立、運(yùn)行工況的優(yōu)化提供了切實(shí)可行的方 法，但是應(yīng)當(dāng)指出的是，現(xiàn)有的方法仍然存在如下的不足：（1)目前，海水淡化實(shí)驗(yàn)主要測(cè) 量的變量有，熱空氣的溫度，環(huán)境溫度，干空氣的流量，蒸發(fā)器出口溫度與含濕量，冷凝器出 口溫度與含濕量，由于內(nèi)部數(shù)學(xué)關(guān)系復(fù)雜，且輸出的淡水產(chǎn)等具有一定的不確定性，針對(duì)這 種多輸入變量與不確定輸出變量之間的關(guān)系，至今很少有建立海水淡化問題的不確定回歸 模型；（2)已有的方法都是建立海水淡化問題的確定單（多）目標(biāo)優(yōu)化模型，并采用確定優(yōu) 化方法進(jìn)行求解，鑒于該問題具有一定的不確定性，且具有相互沖突的輸出目標(biāo)，有必要構(gòu) 建其不確定多目標(biāo)優(yōu)化模型，并采用不確定進(jìn)化優(yōu)化方法求解；(3)在海水淡化不確定回 歸和優(yōu)化過程中，存在著一些參數(shù)的設(shè)置和結(jié)果的輸出，對(duì)于不熟悉程序代碼的人員，很難 對(duì)其進(jìn)行修改。因此，建立可視化的GUI平臺(tái)，是必不可少的。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明的目的是針對(duì)上述問題，設(shè)計(jì)一個(gè)有關(guān)太陽能海水淡化的不確定回歸和優(yōu) 化的GUI平臺(tái)，來建立熱空氣溫度等輸入變量與海水淡化率和成本兩個(gè)目標(biāo)之間的區(qū)間回 歸模型，并且對(duì)熱空氣溫度等輸入變量進(jìn)行優(yōu)化。
[0007] 本發(fā)明所要解決的技術(shù)問題包括：（1)如何將原始輸出數(shù)據(jù)進(jìn)行區(qū)間化，建立區(qū) 間回歸模型；（2)如何同時(shí)優(yōu)化相互沖突的兩個(gè)不確定目標(biāo)，以得到最優(yōu)運(yùn)行工況集；（3) 如何方便的設(shè)置參數(shù)與顯示輸出結(jié)果。
[0008] 本發(fā)明技術(shù)的解決方案是：首先，充分利用原始數(shù)據(jù)信息，將具有相同輸入數(shù)據(jù) 的最大輸出值作為輸出上界，將最小輸出值作為下界，從而實(shí)現(xiàn)數(shù)據(jù)的區(qū)間化；其次，在 LibSVM工具箱內(nèi)置n-f old交叉檢驗(yàn)?zāi)Ｐ停ㄟ^設(shè)置交叉檢驗(yàn)步長(zhǎng)-V等參數(shù)，可以通過尋優(yōu) 的方式得到最優(yōu)參數(shù)；然后，建立基于產(chǎn)水率和成本的區(qū)間兩目標(biāo)優(yōu)化模型，以隨機(jī)產(chǎn)生熱 空氣溫度等輸入數(shù)據(jù)為初始種群，利用構(gòu)建的區(qū)間回歸模型，得到具有區(qū)間性的兩目標(biāo)輸 出，并采用基于區(qū)間占優(yōu)的IP-MOEA算法，尋找輸入變量的最優(yōu)解集；最后，搭建海水淡化 實(shí)驗(yàn)的GUI平臺(tái)，將設(shè)置參數(shù)做成輸入對(duì)話框，結(jié)果顯示為輸出圖形界面。其特征在于：
[0009] (1)建立基于LibSVM工具箱的太陽能海水淡化區(qū)間回歸模型
[0010] 太陽能海水淡化實(shí)驗(yàn)主要涉及以下參數(shù)：熱空氣的溫度、冷卻水的溫度、熱空氣流 速、干空氣的、蒸發(fā)器出口溫度、蒸發(fā)器出口含濕量、冷凝器出口溫度、冷凝器出口含濕量。 由于內(nèi)部關(guān)系復(fù)雜，不容易利用已有的數(shù)學(xué)模型去構(gòu)建其映射關(guān)系，利用LibSVM工具箱可 以方便、快捷的建立淡化率與其他變量的區(qū)間回歸模型。
[0011] 構(gòu)建太陽能海水淡化區(qū)間回歸模型有以下幾個(gè)步驟：
[0012] Stepl :通過海水淡化實(shí)驗(yàn)，獲得原始數(shù)據(jù)，構(gòu)成訓(xùn)練集數(shù)據(jù)與測(cè)試集數(shù)據(jù)；
[0013] Step2 :將訓(xùn)練集輸出數(shù)據(jù)區(qū)間化，分別獲得區(qū)間上界和下界；
[0014] St印3 :將訓(xùn)練集數(shù)據(jù)進(jìn)行歸一化處理；
[0015] Step4 :設(shè)置LibSVM工具箱中的懲罰函數(shù)-C、gamma函數(shù)-g、核函數(shù)類型_t、 n-foId交互檢驗(yàn)?zāi)Ｐ?V和SVR模型類型-s五項(xiàng)的循環(huán)步長(zhǎng)；
[0016] Step5 :通過svmtrain計(jì)算交叉檢驗(yàn)的誤差，將最小誤差情況下的-c、-g、-t、-s 參數(shù)分別存儲(chǔ)到 best_c、best_g、best_t、best_s 中；
[0017] Step6 :將best_c、best_g、best_t、best_s，具有區(qū)間性的訓(xùn)練集數(shù)據(jù)設(shè)置到 svmtrain中，訓(xùn)練得到最優(yōu)上界模型model_up、最優(yōu)下界模型model_down ;
[0018] Step7 :將訓(xùn)練集數(shù)據(jù)分別與最優(yōu)上界模型model_up，最優(yōu)下界模型model_down 設(shè)置到svmpredict中，分別輸出回歸預(yù)測(cè)的上界與下界；
[0019] Step8 :同理，將測(cè)試集數(shù)據(jù)分別與最優(yōu)上界模型model_up，最優(yōu)下界模型model_ down設(shè)置到svmpredict中，分別輸出回歸預(yù)測(cè)的上界與下界。
[0020] (2)基于IP-MOEA的海水淡化優(yōu)化設(shè)計(jì)
[0021] 對(duì)于太陽能海水淡化問題，維持干空氣流量、熱空氣流速，以及環(huán)境熱空氣溫度不 變的情況下，裝置的淡水產(chǎn)率主要取決于濕空氣通過冷凝器前后的含濕量差值；產(chǎn)水成本 主要由冷凝器的功率產(chǎn)生，因此，采用蒸汽通過冷凝器前后的溫度表示成本，更為直觀、且 易于測(cè)量。在太陽能海水淡化問題中，由于環(huán)境等不確定性因素的影響，使得淡水產(chǎn)率和產(chǎn) 水成本具有一定的不確定性，由此，建立太陽能海水淡化問題的區(qū)間兩目標(biāo)優(yōu)化模型，并采 用一種有效解決區(qū)間多目標(biāo)優(yōu)化問題的進(jìn)化優(yōu)化方法IP-MOEA算法進(jìn)行求解。
[0022] 優(yōu)化問題如式（1)所示：
[0023] min f (X) = (l/f! (X)，f2 (X))， (I)
[0024] 其中x = (X1, X2, x3, x4) e X，X1S冷凝器前后的含濕量差值，χ 2為干空氣的流量， X3為熱空氣的流速，X4為熱空氣的溫度，(X)為海水淡化產(chǎn)率，f2 (X)為海水淡化成本，如 式⑵所示：
[0025] IVf1(X) = [I/svmpredict (model^up), I/svmpredict (model^down)],
[0026] f2 (x) = [svmpredict (model2_down), svmpredict (model2_up)],
[0027] (2)
[0028] 其中，svmpredict ()為支持向量機(jī)回歸函數(shù)，model^down和model^up分別為訓(xùn) 練得到的第i個(gè)目標(biāo)的下界和上界最優(yōu)回歸模型。
[0029] (3)構(gòu)建基于Matlab⑶I的海水淡化區(qū)間回歸和優(yōu)化設(shè)計(jì)平臺(tái)
[0030] 基于⑶I界面的海水淡化區(qū)間回歸和優(yōu)化平臺(tái)的主要功能是，實(shí)現(xiàn)人機(jī)交互，可 以在平臺(tái)上設(shè)置優(yōu)化過程參